Gemini 4 Argon arriva in Italia: accesso, prezzi e limiti del nuovo modello Google

Il nuovo Gemini 4 Argon può affrontare lavori che richiedono molti passaggi, ma nell'app non è disponibile a chi usa il piano gratuito. È la distinzione più importante per chi vuole provarlo: il lancio è globale, l'accesso no. Google lo ha reso disponibile il 13 ottobre 2026 agli abbonati Google AI Pro e Ultra nell'app Gemini, mentre sviluppatori e aziende possono utilizzarlo attraverso strumenti dedicati.

Per chi usa già ChatGPT o Gemini, la promessa è facile da immaginare: non soltanto una risposta a una domanda, ma un assistente capace di seguire un problema dall'inizio alla fine, consultando materiali diversi e mantenendo il filo del lavoro. Può essere utile per capire un progetto software, confrontare documenti o preparare un'analisi. Non significa, però, che ogni risultato sia corretto o pronto per essere usato senza controllo.

La novità riguarda anche noi in Italia. La guida italiana dell'app Gemini elenca Argon tra i modelli accessibili con Google AI Pro e Ultra: non si tratta, quindi, di un annuncio riservato agli Stati Uniti. La disponibilità delle singole funzioni e i limiti d'uso dipendono comunque dal piano e possono cambiare.

Gemini 4 Argon è un modello multimodale: può ricevere non solo testo, ma anche immagini, audio e video. La sua specialità dichiarata sono i compiti lunghi e articolati, dalla programmazione all'analisi di documenti finanziari o giuridici. Invece di trattare ogni richiesta come una domanda isolata, è progettato per mantenere il contesto mentre affronta una sequenza di passaggi. È la differenza tra chiedere a qualcuno di correggere una frase e affidargli una cartella di materiali da esaminare prima di scrivere una proposta.

Secondo la documentazione per sviluppatori di Google, Argon dispone di una finestra condivisa di 1.048.576 token: un token è una piccola unità di testo usata dal sistema per contare ciò che legge e produce. Quello spazio comprende insieme richiesta, elaborazione e risposta; non è un milione di token in ingresso più un milione in uscita. Per le risposte eccezionalmente lunghe, gli sviluppatori devono usare un'esecuzione in background, cioè lasciare che il lavoro prosegua sui server mentre attendono il risultato.

Google consente inoltre di scegliere un livello di ragionamento basso, medio o alto. In termini pratici, è come decidere quanto tempo concedere a un collaboratore per affrontare un problema: un'analisi più approfondita può essere appropriata per una verifica difficile, ma non serve necessariamente per una domanda semplice. Nelle applicazioni costruite tramite l'interfaccia di programmazione, o Application Programming Interface (API), un'elaborazione più lunga può incidere su tempi e costi.

Il dato più significativo fuori dalle sole dimostrazioni di Google arriva dal Vals Index, un insieme di prove su attività di finanza, programmazione, diritto e fisco, pesate secondo il loro peso nell'economia statunitense. Nella classifica aggiornata al 13 ottobre 2026, Argon è primo con il 68,90%, davanti a Claude Sonnet 5.5 al 67,04% e Claude Opus 5.5 al 66,97%. È un risultato notevole, ma descrive quel test e quelle condizioni: non stabilisce quale assistente sia migliore per qualsiasi persona o in qualsiasi lingua.

Nel materiale tecnico pubblicato da Google compaiono altri risultati: 77,9% in DeepSWE v1.1, dedicato a lavori di ingegneria del software che richiedono più passaggi, e 51,3% in AutomationBench, che valuta l'esecuzione di attività aziendali complete. Google riferisce anche che, nei propri team, l'uso di Argon in Antigravity ha accompagnato un aumento superiore al 35% delle modifiche al codice inviate da agenti e una riduzione di quasi un terzo degli annullamenti di modifiche. Questi ultimi sono dati interni: aiutano a capire dove l'azienda vede valore, ma non sono una promessa di produttività per tutte le imprese.

La prova decisiva, per uno studio professionale o un piccolo team italiano, sarà più concreta di una classifica: quanto tempo risparmia su documenti reali, quanti errori richiedono correzioni e quante verifiche umane restano indispensabili? La scheda del modello di Google DeepMind avverte che Argon può ancora produrre informazioni inventate e che le sue conoscenze incorporate si fermano a marzo 2026, talvolta anche prima secondo l'argomento. Per fatti successivi non basta una risposta sicura di sé: occorrono fonti aggiornate.

La formula «disponibile per tutti» va letta come disponibilità su scala globale, non come accesso gratuito e identico ovunque. Nell'app Gemini e nella modalità AI della Ricerca Google, l'annuncio del 13 ottobre include gli abbonati Google AI Pro e Ultra. Per programmare con Google Antigravity, la piattaforma che assiste lo sviluppo software, Google indica invece l'accesso per gli abbonati Ultra; l'API a pagamento segue un percorso separato, destinato a chi integra Argon nei propri prodotti.

Questa distinzione evita un equivoco frequente: avere Argon nell'app Gemini con Pro non equivale ad avere Argon nell'API con Pro. La documentazione per sviluppatori esclude esplicitamente il modello sia dalla fascia gratuita dell'API sia dal piano Google AI Pro per quell'uso. La guida italiana dell'app, invece, lo include tra i modelli disponibili agli abbonati Pro nella modalità chat.

Nell'app, il percorso più semplice è controllare il modello selezionato nella chat. Google spiega nella sua guida che la selezione automatica può indirizzare richieste diverse a modelli diversi: avere un abbonamento idoneo, quindi, non dimostra da solo che ogni risposta sia stata generata da Argon. La stessa guida indica come visualizzare nei dettagli della risposta quale modello è stato effettivamente usato.

Per gli sviluppatori, Google applica un prezzo ai token in ingresso, cioè al materiale inviato al modello, e uno più alto ai token in uscita, che comprendono anche quelli impiegati nell'elaborazione. Fino al 30 novembre 2026 le tariffe introduttive sono di 2 dollari per milione di token in ingresso e 10 dollari per milione in uscita. Dal 1° dicembre salgono rispettivamente a 4 e 20 dollari. Sono prezzi dell'API, non il canone mensile dell'app Gemini.

La cache è paragonabile a una cartella di appunti già pronta: quando il sistema può riutilizzare una parte della richiesta, quei token in ingresso costano il 95% in meno. Non è uno sconto automatico sull'intera fattura. Anche una richiesta che appare breve può diventare più costosa se il modello produce un'elaborazione lunga, perciò chi sviluppa un servizio deve misurare il consumo reale prima di stimare la spesa.

C'è poi un costo non espresso in dollari: il tempo. La documentazione Google avverte che i problemi difficili possono richiedere diversi minuti e raccomanda agli sviluppatori di predisporre attese adeguate o l'esecuzione in background. Per una ricerca approfondita può essere accettabile; per una funzione che deve rispondere istantaneamente a ogni utente, è un limite di prodotto da considerare fin dall'inizio.

Un assistente che legge documenti, visita pagine o lavora sul codice incontra anche materiale scritto da altri. Qui entra in gioco la prompt injection, un attacco che nasconde istruzioni dentro quel materiale per convincere l'AI a deviare dal compito affidato dall'utente. È come inserire un ordine falso tra le pagine di un fascicolo che l'assistente deve soltanto consultare. Google riferisce che, nel test Indirect Prompt Injection di Gray Swan, il tasso di successo degli attacchi contro Argon è sceso allo 0,7% considerando 15 tentativi adattivi. Il risultato riguarda quel test, non ogni possibile attacco futuro.

Le capacità di difesa informatica hanno anche un rovescio: gli stessi strumenti che aiutano a trovare falle potrebbero essere cercati da chi vuole sfruttarle. Nella scheda del modello, Google DeepMind afferma di non poter escludere che Argon raggiunga determinate soglie di capacità rischiose in ambito biologico e informatico; descrive per questo misure di mitigazione e valutazioni del rischio residuo. È un'ammissione più utile di una generica promessa di sicurezza assoluta.

Per chi legge dall'Italia, il punto non è soltanto riuscire ad aprire Argon, ma decidere quale parte del lavoro affidargli. Può preparare una prima analisi, mettere in relazione materiali e segnalare aspetti da verificare; la responsabilità di controllare un fatto, approvare un cambiamento o condividere dati sensibili resta nostra. Il modello più potente è davvero quello che risponde a tutto, o quello di cui sappiamo riconoscere i limiti?